---
title: "Minds リサーチ手法パイプラインカタログ"
description: "利用可能なMindsの定性・定量リサーチ手法、必要な入力データ、バージョン管理されたパイプラインステージ、計算処理、生成されるアーティファクト、および適用限界に関する公開マップ。"
canonical_url: "https://getminds.ai/research/ja/research-method-pipeline-catalog"
last_updated: "2026-09-08T09:30:16.681Z"
---

# Minds リサーチ手法パイプラインカタログ

Mindsはリサーチ手法を、単なるチャット上のラベルではなく、厳格なプロダクト契約として扱います。登録された各手法は、必要な入力、サポートされるソース、出力形式、設定スキーマ、パイプラインステージ、アーティファクト契約、利用条件、バージョン、および該当する場合は計算エンジンを定義しています。

本ページでは、2026年8月21日時点のMindsリサーチシステムで提供されているカタログについて説明します。提供状況はプラン、構成、サポートされるワークフローによって異なる場合があります。顧客向け機能の詳細やプランごとの適用範囲については、[Minds 機能カタログ](/guide/features)および該当する利用規約が適用されます。

## 利用可能な手法

<table>
<thead>
  <tr>
    <th>
      手法
    </th>
    
    <th>
      主な目的
    </th>
    
    <th>
      パイプライン構成
    </th>
    
    <th>
      主要な推計値またはアーティファクト
    </th>
  </tr>
</thead>

<tbody>
  <tr>
    <td>
      カスタムリサーチ
    </td>
    
    <td>
      複数設問による探索
    </td>
    
    <td>
      収集 → 統合
    </td>
    
    <td>
      回答データおよび定性エビデンス
    </td>
  </tr>
  
  <tr>
    <td>
      単一フォーカス質問
    </td>
    
    <td>
      焦点を絞った単一の設問
    </td>
    
    <td>
      収集 → 統合
    </td>
    
    <td>
      回答データおよび定性エビデンス
    </td>
  </tr>
  
  <tr>
    <td>
      アンケート
    </td>
    
    <td>
      構造化された設問セット
    </td>
    
    <td>
      収集 → 統合
    </td>
    
    <td>
      回答データ、分布、テーマ
    </td>
  </tr>
  
  <tr>
    <td>
      定性探索
    </td>
    
    <td>
      理由、反論、使用言語の把握
    </td>
    
    <td>
      収集 → 統合
    </td>
    
    <td>
      定性テーマおよび提言
    </td>
  </tr>
  
  <tr>
    <td>
      順位付け選好
    </td>
    
    <td>
      優先順位の序列化
    </td>
    
    <td>
      収集 → 推計 → 統合
    </td>
    
    <td>
      バージョン管理された順位推計
    </td>
  </tr>
  
  <tr>
    <td>
      セグメント比較
    </td>
    
    <td>
      オーディエンスグループ間の差異分析
    </td>
    
    <td>
      収集 → 比較 → 統合
    </td>
    
    <td>
      セグメント比較推計
    </td>
  </tr>
  
  <tr>
    <td>
      MaxDiff
    </td>
    
    <td>
      項目間の相対的優先順位
    </td>
    
    <td>
      収集 → 推計 → 検証 → 統合
    </td>
    
    <td>
      カウント、診断、順位付けエビデンス
    </td>
  </tr>
  
  <tr>
    <td>
      コンジョイント分析
    </td>
    
    <td>
      属性と水準間のトレードオフ
    </td>
    
    <td>
      設計 → 収集 → 推計 → 検証 → シミュレーション → 統合
    </td>
    
    <td>
      効用値、診断、シミュレーションシェア
    </td>
  </tr>
  
  <tr>
    <td>
      NPS
    </td>
    
    <td>
      推奨者、中立者、批判者の分布
    </td>
    
    <td>
      収集 → 計算 → 統合
    </td>
    
    <td>
      NPS推計値
    </td>
  </tr>
  
  <tr>
    <td>
      トップ/ボトムボックス
    </td>
    
    <td>
      スケール評価の集中度
    </td>
    
    <td>
      収集 → 計算 → 統合
    </td>
    
    <td>
      トップ/ボトムボックス推計値
    </td>
  </tr>
  
  <tr>
    <td>
      キードライバー分析
    </td>
    
    <td>
      要因と成果の関係性
    </td>
    
    <td>
      収集 → 計算 → 統合
    </td>
    
    <td>
      キードライバー推計値
    </td>
  </tr>
  
  <tr>
    <td>
      TURF
    </td>
    
    <td>
      組み合わせによるインクリメンタルリーチ
    </td>
    
    <td>
      収集 → 計算 → 統合
    </td>
    
    <td>
      TURF推計値
    </td>
  </tr>
  
  <tr>
    <td>
      ガバ・グランガー法
    </td>
    
    <td>
      価格ポイント別の受容性
    </td>
    
    <td>
      収集 → 計算 → 統合
    </td>
    
    <td>
      価格反応推計値
    </td>
  </tr>
  
  <tr>
    <td>
      バン・ウェステンドルプ法
    </td>
    
    <td>
      価格感度と受容価格帯
    </td>
    
    <td>
      収集 → 計算 → 統合
    </td>
    
    <td>
      バン・ウェステンドルプ推計値
    </td>
  </tr>
  
  <tr>
    <td>
      カノ法
    </td>
    
    <td>
      機能に対する期待の分類
    </td>
    
    <td>
      収集 → 計算 → 統合
    </td>
    
    <td>
      カノモデル推計値
    </td>
  </tr>
</tbody>
</table>

## 定性ワークフロー

カスタムリサーチ、単一フォーカス質問、アンケート、ガイド付き定性探索では、パネル収集とエビデンス統合を活用します。これらは、ユーザーの生の声、選択の理由、反論、主要テーマ、あるいは初期仮説を発見することをリサーチ目的とする場合に適しています。

出力には、手法に応じてテキスト、分布データ、定性テーマ、および推奨事項が含まれます。定性的な結果は、常に収集された個別の回答データへと遡って追跡可能である必要があります。多数のシンセティックオーディエンスが参加したからといって、定性結果を安易に統計的主張へ変換するべきではありません。

## 順位付け選好とセグメント比較

順位付け選好は、実行時に構造化タスクを作成し、回答を記録した上でバージョン管理されたランキング計算エンジンを適用し、順位付けされたエビデンスを生成します。セグメント比較は、設定された測定項目を複数のオーディエンスグループにわたって実施し、定性統合の前にバージョン管理された比較計算を適用します。

これらの手法は、オープンな定性探索と高度な実験計画の間をつなぐ有用な架け橋となります。ただし、明確に定義されたオーディエンスと曖昧さのない評価項目の設定が前提となります。

## MaxDiffパイプライン

利用可能なMaxDiffパイプラインには、登録された項目セットが必要です。実行時には、統制されたBest/Worst選択タスクを作成し、回答を記録し、`maxdiff-count-v1`推計エンジンを適用して`maxdiff-diagnostics-v1`を実行した上で、順位付けされたエビデンスを統合します。

生成されるアーティファクトには、回答レコード、推計値、診断データ、エビデンスが含まれます。タスク完了状況や回答品質の検証を欠いた順位付け出力は見せかけの精度を生むリスクがあるため、診断ステージは極めて重要です。

## コンジョイントパイプライン

利用可能なコンジョイントパイプラインには、属性、水準、および選択タスクの定義が必要です。パイプラインは以下のステップで構成されます。

1. 設計のための `conjoint-design-v1`
2. 統制された選択タスクを実施する `panel-conjoint-collection-v1`
3. パラメータ推計のための `multinomial-logit-v1`
4. 診断を行う `conjoint-validation-v1`
5. 設定されたシナリオを検証する `conjoint-share-simulation-v1`
6. 解釈のためのエビデンス統合

アーティファクトには、実験計画、回答データ、推計値、診断、シミュレーションシェア、エビデンスがすべて保持されます。これにより分析経路の再現性が担保されます。ただし、シンセティックな選択結果そのものが実際の市場需要と同一視されるわけではありません。

## スコアリングおよび価格調査手法

NPS、トップ/ボトムボックス、キードライバー分析、TURF、ガバ・グランガー法、バン・ウェステンドルプ法、カノ法は、各手法固有の設定と計算エンジンを備えつつ、収集から計算、統合に至る共通構造を使用します。リサーチ課題の性質に適合した手法を選択することが不可欠です。

価格調査において、シンセティックな出力は方向性を把握するための指標となります。複数シナリオの比較、表現の検証、実査用アンケートの改善には有用ですが、適切な行動データや人間を対象とした検証エビデンスがない限り、絶対的な支払意欲額として提示すべきではありません。詳細は[価格リサーチ手法ガイド](/blog/pricing-research-methods-guide)を参照してください。

## パイプラインアーティファクトとフォールバック

登録された手法は、どのアーティファクトが必須であるか、また実行が安全でない場合や設定が不十分な場合にどの手法をフォールバックとして使用するかを明示しています。フォールバックの発生は必ず可視化されなければなりません。アンケート結果を、完了したコンジョイント分析やMaxDiff調査と誤認させるような表示は決して行われません。

リサーチ出力の品質は、回答契約とデータ分類にも依存します。決定論的な推計処理は、収集された回答が各手法の規定フォーマットを満たしていることが確認された後にのみ開始されます。アーティファクトの追跡記録により、要約レポートと基礎となる回答データおよび計算処理との整合性をいつでも検証できます。

## 本カタログが示すもの

本カタログが示すのは、Mindsがこれらの手法を、利用可能かつバージョン管理されたパイプラインとしてリサーチシステム内に実装しているという事実です。普遍的な外的妥当性を保証するものではありません。検証には2つの層が存在します。

- 実装の検証: 実験計画と計算エンジンが仕様通りに動作しているか
- エビデンスの検証: シンセティックな回答が、意思決定に関連する人間の行動基準や実績データを追従しているか

意思決定には両方の層が不可欠です。[定量パイプラインとAIペルソナチャットの比較](/comparison/quantitative-research-pipelines-vs-ai-persona-chat)および[シンセティックオーディエンスの検証と精度比較](/comparison/synthetic-audience-validation-and-accuracy)を参照してください。

## 手法の選び方

- 課題の前提や使用言語が不明瞭な場合は、定性探索を使用します。
- 意思決定の焦点が相対的な優先順位にある場合は、順位付け選好またはMaxDiffを使用します。
- バンドル構成や複数属性間のトレードオフが重要な場合は、コンジョイント分析を使用します。
- 価格設定に関する異なる課題には、ガバ・グランガー法またはバン・ウェステンドルプ法を使用します。
- 組み合わせによるインクリメンタルリーチを最大化したい場合は、TURFを使用します。
- 機能に対する期待値の分類には、カノ法を使用します。
- オーディエンス間の属性差に依存する意思決定には、セグメント比較を使用します。
- 外部的な証明が不可欠な最終意思決定には、人間を対象とした実査または行動データ検証を組み合わせて実施します。

本カタログとあわせて、[Minds メソドロジー](/research/methodology)、[Minds リサーチ](/research)、[検証チェックリスト](/research/synthetic-audiences-validation-checklist)、および[シンセティック回答者プラットフォーム比較ハブ](/blog/synthetic-respondents-comparison-hub)をご確認ください。